---
title: "Alternatif Artificial Analysis untuk membandingkan LLM"
description: "Perbandingan alternatif Artificial Analysis: Arena, Epoch AI, Vals AI, peringkat OpenRouter, Hugging Face, dan data harga, menurut apa yang diukur dan kapan dipakai."
url: https://broadrouter.com/id/blog/artificial-analysis-alternatives/
lang: id
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Diterjemahkan dari bahasa Inggris dengan bantuan AI. [Baca versi asli bahasa Inggris](https://broadrouter.com/blog/artificial-analysis-alternatives/) (diperbarui 2026-11-15).

# Alternatif Artificial Analysis: tempat membandingkan LLM di 2026

Oleh tim BroadNet Inference · 7 menit baca · Dipublikasikan 2026-11-15

Artificial Analysis adalah sumber independen utama untuk skor kecepatan, latensi, dan kecerdasan LLM per penyedia API. Setiap alternatif mengukur hal lain: Arena memeringkat preferensi manusia, Epoch AI dan Vals AI memublikasikan hasil benchmark, OpenRouter memeringkat pemakaian, dan database harga seperti milik BroadRouter (situs BroadNet) hanya mencantumkan harga. Pakai dua berdampingan, lalu uji dengan data Anda sendiri.

## Poin penting

-   Artificial Analysis unggul pada kecepatan dan latensi terukur per endpoint penyedia: situs ini mengukur waktu permintaan nyata dan merata-ratakannya selama 5 hari terakhir.
-   Arena (dulu LMArena) memeringkat model lewat voting manusia secara buta; Epoch AI dan Vals AI memublikasikan skor benchmark; OpenRouter memeringkat berdasarkan token yang diproses, bukan kualitas.
-   Epoch AI menyediakan unduhan CSV dengan lisensi CC BY; Artificial Analysis punya API gratis yang mewajibkan atribusi.
-   BroadRouter adalah situs milik BroadNet. Data harganya mencantumkan harga yang dipublikasikan penyedia beserta sumbernya; tidak mengukur kecepatan atau kualitas.
-   Tidak ada leaderboard yang bisa menggantikan pengujian pada 50 hingga 100 input Anda sendiri.

**Di halaman ini**

1.  Apa keunggulan Artificial Analysis?
2.  Apa saja alternatif Artificial Analysis?
3.  Apa bedanya Arena?
4.  Kapan Epoch AI dan Vals AI lebih cocok?
5.  Apa yang sebenarnya ditunjukkan peringkat OpenRouter?
6.  Apakah Open LLM Leaderboard Hugging Face masih layak dipakai?
7.  Di mana membandingkan model bahasa Arab?
8.  Di mana posisi data harga BroadRouter?
9.  Bagaimana menggabungkan situs-situs ini?
10.  Posisi BroadNet Inference

Artificial Analysis sering menjadi tujuan pertama saat membandingkan API LLM, karena situs ini mengukur waktu permintaan nyata ke setiap penyedia. Namun itu hanya satu sudut pandang. Situs lain memeringkat berdasarkan voting manusia, skor benchmark, pemakaian, atau harga, dan masing-masing menjawab pertanyaan berbeda. Panduan ini menjelaskan apa yang diukur setiap situs, bagaimana caranya, data apa yang bisa Anda ambil, dan kapan memakainya. Setiap fakta di bawah dibaca dari halaman milik situs itu sendiri pada 15 November 2026.

Pengungkapan lebih dulu: BroadRouter adalah situs web milik BroadNet. Situs ini mengarahkan developer ke BroadNet Inference dan memublikasikan data harga. BroadRouter tidak melakukan benchmark model, dan muncul di daftar ini hanya untuk harga.

## Apa keunggulan Artificial Analysis?

Artificial Analysis menyebut dirinya “Independent analysis of AI” (Terjemahan BroadRouter: analisis AI yang independen). [Halaman metodologinya](https://artificialanalysis.ai/methodology) menjelaskan tiga hal yang jarang dilakukan situs lain:

-   **Kecepatan per endpoint penyedia.** Kecepatan output adalah “output tokens per second over each request’s full duration” (Terjemahan BroadRouter: token output per detik sepanjang durasi penuh setiap permintaan), termasuk token penalaran, dirata-ratakan “over the workloads we measured in the past 5 days” (Terjemahan BroadRouter: atas beban kerja yang kami ukur dalam 5 hari terakhir). Karena satu model “may have multiple endpoints across different providers” (Terjemahan BroadRouter: bisa punya beberapa endpoint di penyedia berbeda), Anda bisa melihat model yang sama berjalan lebih cepat di satu host daripada host lain.
-   **Latensi yang bisa dibandingkan.** Situs ini melaporkan waktu hingga token pertama, waktu hingga token jawaban pertama (yang mencakup penalaran, sehingga model penalaran dan non-penalaran bisa dibandingkan secara adil), dan waktu end-to-end.
-   **Evaluasi sendiri.** Intelligence Index v5.0.1 menggabungkan sembilan evaluasi dalam empat kelompok berbobot sama (pekerjaan pengetahuan, coding, sains, umum). Beberapa adalah benchmark miliknya sendiri atau jalannya sendiri atas tugas pihak lain, dengan jumlah pengulangan yang disebutkan.

Leaderboard penyedianya mencakup “over 500 AI Model endpoints” (Terjemahan BroadRouter: lebih dari 500 endpoint model AI) dengan biaya per tugas, waktu per tugas, latensi token jawaban pertama, tingkat error, context window, dan lisensi. Harganya adalah “the current prices listed by providers” (Terjemahan BroadRouter: harga terkini yang dicantumkan penyedia), dan harga gabungannya memakai rasio 7:2:1 untuk token cache hit, input, dan output. Sesuaikan campuran itu dalam hitungan Anda jika beban kerja Anda berat di output.

Jika Anda membutuhkan kecepatan dan tingkat error terukur per penyedia, situs ini sulit digantikan. Orang mencari alternatif saat menginginkan sinyal lain: preferensi manusia, domain tertentu, data mentah yang bisa diunduh, atau daftar harga dengan sumber untuk setiap baris.

## Apa saja alternatif Artificial Analysis?

| Situs | Apa yang diukur | Metode | Data yang bisa diambil | Paling cocok untuk |
| --- | --- | --- | --- | --- |
| [Artificial Analysis](https://artificialanalysis.ai/) | Indeks kecerdasan, kecepatan output, latensi, tingkat error, harga per endpoint | Menjalankan evaluasi sendiri dan permintaan yang diukur waktunya; jendela kecepatan bergulir 5 hari | API gratis, wajib atribusi | Kecepatan dan latensi per penyedia |
| [Arena](https://arena.ai/leaderboard) (dulu LMArena) | Preferensi manusia | Dua model anonim menjawab, seseorang memilih, nama dibuka sesudahnya | Dataset preferensi terbuka di Hugging Face | Bagaimana jawaban terasa bagi orang |
| [Epoch AI Benchmarking Hub](https://epoch.ai/benchmarks) | Skor benchmark dari waktu ke waktu | Menjalankan sebagian benchmark sendiri dengan Inspect; mengumpulkan yang lain dari leaderboard resmi | CSV dan klien Python; datanya CC BY | Tren dan skor mentah |
| [Vals AI](https://www.vals.ai/benchmarks) | Akurasi domain, biaya, dan latensi | 42 benchmark, sebagian privat atau disimpan | Tidak disebutkan di halaman benchmark | Hukum, keuangan, pajak, dan domain lain |
| [Peringkat OpenRouter](https://openrouter.ai/rankings) | Pemakaian | Token yang diproses lewat OpenRouter, dalam kelompok harian UTC | API model publik dengan harga | Apa yang benar-benar dijalankan developer |
| [Open LLM Leaderboard](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/about) (Hugging Face) | Skor model open-weight | Enam benchmark di harness Eleuther AI | Dataset hasil dan permintaan | Membandingkan checkpoint terbuka |
| [Data harga BroadRouter](https://broadrouter.com/data/llm-api-provider-prices/) (situs BroadNet) | Hanya harga yang dipublikasikan | Dibaca dari halaman harga milik setiap penyedia, dengan URL, tanggal, dan kutipan | CSV dan JSON, CC BY 4.0 untuk kompilasinya | Memeriksa harga di sumbernya |

## Apa bedanya Arena?

Arena (lmarena.ai kini dialihkan ke arena.ai) meminta orang sungguhan membandingkan dua jawaban anonim dan memilih salah satunya. Nama model baru muncul setelah voting. Ini mengukur preferensi, yang mencampur ketepatan dengan nada, panjang, dan format. Leaderboard-nya punya papan terpisah, termasuk Text, WebDev, Vision, Document, dan Search, dan tampilan Pareto-nya menunjukkan biaya per tugas. Arena menyatakan telah membuka data preferensinya di Hugging Face, yang berguna jika Anda ingin mempelajari voting alih-alih sekadar membaca peringkat.

Pakai Arena untuk melihat bagaimana sebuah jawaban chat diterima orang. Jangan pakai untuk memilih penyedia API: Arena memeringkat model, bukan host, dan tidak membahas kecepatan di endpoint tertentu.

## Kapan Epoch AI dan Vals AI lebih cocok?

**Epoch AI** menyimpan database hasil benchmark, melacak 99 benchmark dan 428 model saat kami mengecek. Sebagian hasil dijalankannya sendiri dengan framework Inspect; sisanya berasal dari leaderboard resmi yang dikelola pembuat benchmark. Anda bisa mengunduh datanya sebagai CSV atau memakai klien Python-nya. Data miliknya sendiri bebas dipakai ulang dengan atribusi di bawah CC BY; hasil dari sumber eksternal tetap memakai lisensi aslinya. Pilih Epoch jika Anda menginginkan skor mentah atau garis tren, bukan satu indeks.

**Vals AI** menjalankan 42 benchmark di bidang hukum, keuangan, kesehatan, coding, matematika, dan lainnya, dan sebagian set bersifat privat atau disimpan, sehingga mengurangi risiko model sudah dilatih dengan data uji. Leaderboard-nya membandingkan akurasi, biaya, dan latensi, dan Inference Provider Index-nya membandingkan penyedia dari segi akurasi, biaya, dan kecepatan. Vals Index gabungannya membobotkan sektor menurut porsinya dalam PDB AS. Pilih Vals jika tugas Anda mirip salah satu domainnya.

## Apa yang sebenarnya ditunjukkan peringkat OpenRouter?

Pemakaian. Setiap model diperingkat berdasarkan “tokens it processed through the OpenRouter API” (Terjemahan BroadRouter: token yang diprosesnya lewat API OpenRouter), prompt dan completion digabung, selama satu, tujuh, atau tiga puluh hari terakhir. Halamannya menyatakan dengan jelas bahwa peringkat itu “do not rank models by accuracy, reasoning ability, or benchmark performance” (Terjemahan BroadRouter: tidak memeringkat model berdasarkan akurasi, kemampuan penalaran, atau performa benchmark). Model yang menulis jawaban panjang atau berjalan dalam loop agen yang panjang akan naik peringkat. Baca sebagai sinyal popularitas dan daftar model yang layak diuji. OpenRouter juga punya endpoint model publik dengan harga per model, yang mencakup tarif OpenRouter, bukan tarif langsung setiap host.

## Apakah Open LLM Leaderboard Hugging Face masih layak dipakai?

Untuk checkpoint open-weight, ya, dengan hati-hati. Dokumentasi Hugging Face menyatakan versi pertamanya diarsipkan pada Juni 2024 dan digantikan. Versi saat ini menilai model pada IFEval, BBH, MATH level 5, GPQA, MuSR, dan MMLU-Pro di harness evaluasi Eleuther AI, dan memublikasikan hasilnya sebagai dataset. Yang dievaluasi adalah file model, bukan API yang di-host, jadi leaderboard ini tidak bisa memberi tahu Anda soal harga, kecepatan, atau cara penyedia menyajikan model.

## Di mana membandingkan model bahasa Arab?

Leaderboard umum hampir tidak membahas bahasa Arab, dan filter Arena yang terlihat tidak mencakup bahasa. Dua Space Hugging Face mengisi sebagian kekosongan itu:

-   [Open Arabic LLM Leaderboard](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard), dikelola organisasi OALL, untuk teks bahasa Arab.
-   [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard), yang disebut “a benchmark for open-source multi-dialect Arabic ASR models” (Terjemahan BroadRouter: benchmark untuk model ASR bahasa Arab multi-dialek open-source), untuk pengenalan ucapan. BroadNet melaporkan model Transcribe Arabic miliknya di posisi #2 dari 37 (angka September 2026; papan peringkat langsung mencantumkannya di #4 dari 39 pada 15 November 2026). Itu angka dari BroadNet, dan papannya berubah seiring penambahan model.

Baca hasil ucapan per dialek, bukan hanya rata-ratanya. [Penjelasan word error rate ASR bahasa Arab](https://broadrouter.com/id/blog/arabic-asr-wer-explained/) menunjukkan caranya.

## Di mana posisi data harga BroadRouter?

BroadRouter memublikasikan tiga sumber harga: [halaman harga API LLM](https://broadrouter.com/id/llm-api-pricing/) per model, [indeks harga](https://broadrouter.com/data/llm-api-price-index/) dengan median dan sebaran, serta [database harga penyedia mentah](https://broadrouter.com/data/llm-api-provider-prices/). Setiap baris dibaca dari halaman harga milik penyedia dan disimpan bersama URL sumber, tanggal, dan kutipan kata per kata, dan skrip mingguan mengambil ulang sumbernya. Tidak ada feed agregator yang dipakai.

Apa yang tidak dilakukannya sama pentingnya:

-   BroadRouter **tidak mengukur kecepatan, latensi, uptime, atau kualitas**. Untuk itu, pakai Artificial Analysis, Arena, Epoch AI, atau Vals AI.
-   BroadRouter **hanya menyimpan harga pihak ketiga**. Harga BroadNet sendiri ada di [pricing.json](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-artificial-analysis-alternatives&utm_content=body) dan di [halaman harga](https://broadrouter.com/id/pricing/).
-   BroadRouter adalah **situs milik BroadNet**, jadi perlakukan sebagai kompilasi dari vendor yang bisa Anda periksa baris per baris, bukan sebagai juri yang netral.

## Bagaimana menggabungkan situs-situs ini?

1.  **Susun daftar pendek berdasarkan kualitas.** Pakai Arena untuk nuansa chat dan Epoch AI atau Vals AI untuk skor tugas di domain Anda. Pertahankan tiga hingga lima model.
2.  **Periksa kecepatan di host yang akan Anda pakai.** Artificial Analysis menunjukkan kecepatan dan latensi per endpoint. [Penjelasan latensi LLM](https://broadrouter.com/id/blog/llm-latency-ttft-throughput/) membahas angka mana yang penting untuk aplikasi Anda.
3.  **Periksa harga di sumbernya.** Pakai database harga untuk menemukan penyedia, lalu buka halaman milik setiap penyedia. Perhatikan harga input cache dan output, yang pada banyak beban kerja lebih menggerakkan tagihan daripada input.
4.  **Uji dengan data Anda sendiri.** Jalankan 50 hingga 100 input nyata melalui setiap finalis dan beri nilai. Sebuah [benchmark](https://broadrouter.com/id/glossary/llm-benchmark/) hanya memprediksi hasil Anda sejauh tugasnya mirip dengan tugas Anda. [Cara mengevaluasi LLM sebelum berpindah](https://broadrouter.com/id/blog/evaluate-llm-before-switching/) memberi metodenya, dan [checklist penyedia 20 poin](https://broadrouter.com/id/blog/choose-llm-api-provider-checklist/) membahas batas, privasi, dan dukungan.

## Posisi BroadNet Inference

BroadNet Inference adalah API yang kompatibel dengan OpenAI, bukan leaderboard. Layanan ini menyajikan sejumlah kecil model: DeepSeek V4.1 Flash (di-host mitra), GLM 5.3, Qwen3.8 27B, Gemma 4 VL 26B, dan dua model speech-to-text. Tool calling dan output terstruktur hanya didokumentasikan untuk GLM 5.3 dan Qwen3.8 27B. Akun self-serve tidak punya SLA, dan tidak ada batch API atau embedding. Jika salah satu model ini masuk daftar pendek Anda, kredit awal $5 mencakup Gemma 4 VL 26B, kedua model Transcribe, dan kunci per jam Gemma, jadi Anda bisa menjalankan langkah 4 dengan input Anda sendiri sebelum membayar; DeepSeek, GLM, dan Qwen memerlukan top up. Prompt dan jawaban tidak disimpan. [Bandingkan modelnya](https://broadrouter.com/id/models/) atau [buat akun](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-artificial-analysis-alternatives&utm_content=body).

Alat gratis untuk topik ini (bahasa Inggris)

-   [LLM API cost calculator](https://broadrouter.com/tools/llm-api-cost-calculator/) Price a workload on every model at once, with cache hits, reasoning and a flat-plan check.
-   [LLM token counter](https://broadrouter.com/tools/token-counter/) Exact token counts with each model's real tokenizer, with a token view and cost.
-   [Context window calculator](https://broadrouter.com/tools/context-window-calculator/) Will it fit? Window used per model, room left for output, cost to send.

[Alat gratis (bahasa Inggris)](https://broadrouter.com/tools/)

## Istilah dalam artikel ini

[Token](https://broadrouter.com/id/glossary/token/)

Token adalah satuan teks yang dibaca dan ditulis model bahasa: sebuah kata, bagian kata, tanda baca, atau urutan byte yang dihasilkan tokenizer model. API LLM menghitung, membatasi, dan biasanya menagih pemakaian dalam token.

[Latensi (latency)](https://broadrouter.com/id/glossary/latency/)

Latensi, untuk API model bahasa, adalah waktu yang dibutuhkan sebuah permintaan sejak dikirim sampai token output terakhir diterima. Latensi adalah jumlah dari time to first token dan waktu generasi, dan biasanya dilaporkan sebagai persentil seperti p50 dan p95, bukan rata-rata.

[Speech-to-text (ucapan ke teks)](https://broadrouter.com/id/glossary/speech-to-text/)

Speech-to-text, juga disebut automatic speech recognition (ASR), adalah teknologi yang mengubah audio ucapan menjadi teks tertulis. API speech-to-text menerima file atau stream audio dan mengembalikan transkrip, biasanya dihargai per menit audio. Akurasinya diukur dengan word error rate dan bervariasi menurut aksen, dialek, dan kualitas rekaman.

[Token per detik (tokens per second, TPS)](https://broadrouter.com/id/glossary/tokens-per-second/)

Token per detik (TPS) adalah laju model bahasa menghasilkan token output, biasanya diukur untuk satu permintaan setelah token pertamanya tiba. Angka ini menentukan seberapa cepat balasan mengalir setelah dimulai. Jika dijumlahkan di semua permintaan bersamaan, ia menjadi throughput sistem; waktu tunggu sebelum token pertama diukur terpisah.

[Benchmark LLM (LLM benchmark)](https://broadrouter.com/id/glossary/llm-benchmark/)

Benchmark LLM adalah sekumpulan tugas yang tetap dan biasanya publik, lengkap dengan metode penilaian, untuk mengukur dan membandingkan model bahasa pada satu keterampilan, seperti soal pengetahuan, coding, atau pengenalan ucapan. Skor benchmark menunjukkan kemampuan relatif pada uji itu, bukan performa model pada workload Anda sendiri.

[Model open-weight (bobot terbuka)](https://broadrouter.com/id/glossary/open-weight-model/)

Model open-weight adalah model machine learning yang bobot hasil pelatihannya dipublikasikan agar bisa diunduh dan dijalankan siapa saja, biasanya di bawah lisensi dengan syarat tertentu. Model ini berbeda dari AI yang sepenuhnya open source, yang juga merilis kode pelatihan dan informasi rinci tentang data pelatihan agar orang lain bisa mempelajari dan mereproduksinya.

[Token input cache (cached input tokens)](https://broadrouter.com/id/glossary/cached-input-tokens/)

Token input cache adalah token prompt yang baru saja diproses penyedia LLM dan bisa dipakai ulang dari cache alih-alih dihitung lagi, biasanya prefiks berulang seperti system prompt atau dokumen. Penyedia menagihnya dengan tarif lebih rendah daripada token input baru.

[Batch API](https://broadrouter.com/id/glossary/batch-api/)

Batch API adalah endpoint LLM asinkron yang menerima banyak request sekaligus, biasanya sebagai file, memprosesnya dalam jangka waktu tertentu alih-alih seketika, lalu mengembalikan hasilnya bersama-sama. Penyedia seperti OpenAI dan Anthropic memberi harga request batch dengan diskon dibanding API standar mereka.

## Pertanyaan umum

### Apa alternatif terbaik untuk Artificial Analysis?

Tergantung apa yang ingin Anda bandingkan. Untuk preferensi manusia, pakai Arena. Untuk skor benchmark yang bisa diunduh, pakai Epoch AI. Untuk tugas domain seperti hukum, keuangan, dan pajak, pakai Vals AI. Untuk melihat apa yang benar-benar dijalankan developer, pakai peringkat OpenRouter. Untuk kecepatan terukur per penyedia, Artificial Analysis sendiri tidak punya pengganti yang setara di antara situs-situs ini.

### Apakah Artificial Analysis punya API?

Ya. Dokumentasinya (dicek 15 November 2026) menjelaskan API gratis yang "focused on model benchmarks" (Terjemahan BroadRouter: berfokus pada benchmark model), dengan kunci dari Insights Platform-nya. Atribusi ke artificialanalysis.ai wajib untuk semua pemakaian API gratis. API komersial dengan data lebih lengkap ditawarkan kepada mitra.

### Apakah Open LLM Leaderboard Hugging Face masih berguna?

Versi pertamanya diarsipkan pada Juni 2024, menurut dokumentasi Hugging Face. Versi 2 menilai model open-weight pada enam benchmark seperti IFEval, GPQA, dan MMLU-Pro, dengan hasil di dataset publik. Cakupannya checkpoint open-weight, bukan API yang di-host, dan tidak membahas harga atau kecepatan.

### Apakah peringkat OpenRouter menunjukkan model mana yang terbaik?

Tidak. Halaman peringkatnya menyatakan bahwa mereka menghitung token yang diproses lewat OpenRouter dan "do not rank models by accuracy, reasoning ability, or benchmark performance" (Terjemahan BroadRouter: tidak memeringkat model berdasarkan akurasi, kemampuan penalaran, atau performa benchmark). Peringkat itu menunjukkan popularitas, yang ikut membengkak oleh model yang bertele-tele dan loop agen yang panjang.

### Apakah BroadRouter melakukan benchmark model?

Tidak. BroadRouter adalah situs web milik BroadNet. Situs ini memublikasikan harga yang dibaca dari halaman milik penyedia, dengan sumber dan tanggal, plus pengukuran tokenizer. BroadRouter tidak mengukur kecepatan, latensi, atau kualitas jawaban, jadi bukan pengganti Artificial Analysis atau situs benchmark.

### Di mana saya bisa membandingkan model bahasa Arab?

Untuk teks bahasa Arab, Open Arabic LLM Leaderboard (OALL) di Hugging Face. Untuk pengenalan ucapan bahasa Arab, Open Universal Arabic ASR Leaderboard, yang menyebut dirinya benchmark untuk model ASR bahasa Arab multi-dialek open-source. Baca word error rate per dialek, bukan hanya rata-ratanya.

## Baca juga

-   [Cara mengevaluasi LLM sebelum berpindah penyedia](https://broadrouter.com/id/blog/evaluate-llm-before-switching/)
-   [Cara memilih penyedia API LLM: checklist 20 poin](https://broadrouter.com/id/blog/choose-llm-api-provider-checklist/)
-   [Cara 6 penyedia inference menetapkan harga API model open-weight](https://broadrouter.com/id/blog/llm-inference-provider-pricing-compared/)
-   [Latensi LLM: TTFT vs token per detik vs waktu end-to-end](https://broadrouter.com/id/blog/llm-latency-ttft-throughput/)
-   [Word error rate (WER) ASR bahasa Arab: penjelasan lengkap](https://broadrouter.com/id/blog/arabic-asr-wer-explained/)
-   [Perbandingan SLA API LLM: janji Azure, Bedrock, Google, dan OpenAI](https://broadrouter.com/id/blog/llm-api-sla-uptime-compared/)
-   [Model yang dievaluasi lalu dicoret BroadNet, dan alasannya](https://broadrouter.com/id/blog/models-broadnet-ruled-out/)
-   [Panduan: Coba BroadNet Inference di browser, tanpa akun](https://broadrouter.com/id/guides/try-broadnet-inference-playground/)

Coba dengan beban kerja Anda yang sebenarnya. Akun baru mendapat kredit US$5 untuk Gemma dan transkripsi. DeepSeek, GLM, dan Qwen3.8 memerlukan top up.

[Mulai](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-artificial-analysis-alternatives&utm_content=page-cta) ·

**Sumber**

-   [Artificial Analysis, beranda: "Independent analysis of AI" (dicek 2026-11-15)](https://artificialanalysis.ai/)
-   [Artificial Analysis, metodologi: kecepatan output, latensi, jendela 5 hari, harga gabungan (dicek 2026-11-15)](https://artificialanalysis.ai/methodology)
-   [Artificial Analysis, evaluasi Intelligence Index v5.0.1 (dicek 2026-11-15)](https://artificialanalysis.ai/methodology/intelligence-benchmarking)
-   [Artificial Analysis, leaderboard penyedia API: lebih dari 500 endpoint model (dicek 2026-11-15)](https://artificialanalysis.ai/leaderboards/providers)
-   [Artificial Analysis, dokumentasi API: API gratis, wajib atribusi (dicek 2026-11-15)](https://artificialanalysis.ai/documentation)
-   [Arena (dulu LMArena), cara kerja: pertandingan buta, dataset preferensi terbuka (dicek 2026-11-15)](https://arena.ai/how-it-works)
-   [Kategori leaderboard Arena (dicek 2026-11-15)](https://arena.ai/leaderboard)
-   [Peringkat OpenRouter: token yang diproses, jendela waktu, bukan peringkat kualitas (dicek 2026-11-15)](https://openrouter.ai/rankings)
-   [Referensi API OpenRouter, daftar model: katalog publik dengan harga (dicek 2026-11-15)](https://openrouter.ai/docs/api-reference/list-available-models)
-   [Epoch AI Benchmarking Hub: hasil internal dan eksternal, CSV, CC BY (dicek 2026-11-15)](https://epoch.ai/benchmarks)
-   [Benchmark Vals AI: 42 benchmark, set privat, Inference Provider Index (dicek 2026-11-15)](https://www.vals.ai/benchmarks)
-   [Dokumentasi Hugging Face, Open LLM Leaderboard v1: diarsipkan pada Juni 2024 (dicek 2026-11-15)](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/archive)
-   [Dokumentasi Hugging Face, tugas dan dataset hasil Open LLM Leaderboard (v2) (dicek 2026-11-15)](https://huggingface.co/docs/leaderboards/open_llm_leaderboard/about)
-   [Open Arabic LLM Leaderboard (OALL) di Hugging Face (dicek 2026-11-15)](https://huggingface.co/spaces/OALL/Open-Arabic-LLM-Leaderboard)
-   [Open Universal Arabic ASR Leaderboard di Hugging Face (dicek 2026-11-15)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Harga BroadNet Inference yang dapat dibaca mesin, pricing.json (dicek 2026-11-15) (bahasa Inggris)](https://inference.broadnet.ai/pricing.json?utm_source=broadrouter&utm_medium=referral&utm_campaign=id-blog-artificial-analysis-alternatives&utm_content=sources)
